普林斯顿教授王梦迪，AI在基础科学发现上仍存验证瓶颈

14岁考入清华大学、24岁获麻省理工博士学位、29岁成为普林斯顿大学最年轻终身教授——王梦迪的学术履历堪称传奇。这位年仅37岁的科学家，在2026年9月举行的外滩大会上发表演讲，探讨了人工智能在基础科学研究中的现状与挑战。

王梦迪首先回顾了AI技术的发展历程。她指出，当前的大规模语言模型（LLM）已经能够处理复杂的文本任务，甚至在数学证明和编程领域展现出超越人类的表现。然而，当这些模型被应用于基础科学探索时，却暴露出明显的局限性。"Ideas are cheap. 你要给我看代码，或者给我看实验。"这是她在演讲中引用的一句名言，形象地说明了AI在科学发现中的困境。

"大模型擅长找到概率分布中最可能的结果，但真正的科学突破往往发生在长尾部分。"王梦迪解释说，这种现象源于AI训练范式的本质：模型通过学习海量数据来拟合已知规律，而新科学发现则需要探索未知的可能性。为了验证这一观点，她的团队与普林斯顿大学社会学教授谢宇合作，利用ChatGPT等大模型模拟1930年出生的英国人的人生轨迹。

实验结果显示，大模型倾向于高估最常见的模式，而低估少数情况和长尾分布。例如，在预测结婚年龄、职业选择等问题上，模型生成的结果与真实统计数据存在显著偏差。"这就像在宇宙中寻找一颗从未被观测到的新星，"王梦迪比喻道，"这颗星体不存在于训练数据当中，因此模型无法捕捉到它。"

针对这一问题，王梦迪团队正在开发一系列创新解决方案。他们设计了一个自动化实验平台，将原本耗时数月的石墨烯研究流程简化为可重复的API接口；同时，他们还研发了面向科研实验室的智能操作系统LabOS，让多模态AI能够感知实验环境、辅助科研人员操作，并连接软件、AI模型和真实设备。

"真正决定AI能否成为‘发现者’的，不是模型有多大，而是是否存在一套能够连接假设、验证、追溯和重复的基础设施。"王梦迪强调，只有当物理世界中的实验过程能够被系统记录、持续验证、反复复现，AI才可能把训练中学到的‘似然性’转化为对‘可能性’的探索。

在演讲的最后，王梦迪展望了未来的研究方向。她表示，AI与基础科学的深度融合需要跨学科的合作，包括计算机科学、物理学、化学等多个领域的专家共同参与。同时，也需要政策制定者、科研机构和产业界的支持，共同构建开放共享的科研基础设施。

"我们距离AI自主发现还有多远？"这个问题没有简单的答案。但可以肯定的是，随着技术的进步和基础设施的完善，AI在基础科学领域的应用前景将越来越广阔。